多尺度三维高斯投落法用于抗锯齿渲染
我们引入了一种 3D 平滑滤波器和一种 Mip 滤波器,以解决 3D Gaussian Splatting 中的高频伪影和膨胀问题。通过在输入视图中引入最大采样频率的约束,我们的方法有效地消除了放大时的高频伪影。同时,我们的评估结果验证了我们方法的有效性。
Nov, 2023
该篇论文针对 3D 高斯喷洒(3DGS)存在的伪影问题,提出了解决方案 Analytic-Splatting,通过运用解析求解和逼近,改善了像素光栅化的不足,并在不同分辨率下对像素足迹的变化进行精确捕捉,具备更好的抗锯齿能力。
Mar, 2024
我们提出了三个关键要素,可实现高质量的实时(大于等于 30 帧 / 秒)1080p 分辨率的新视图合成,其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景,并开发了一种快速的可见性感知渲染算法,以加速训练并实现实时渲染。
Aug, 2023
在本文中,我们提出了一种适用于自适应尺度的抗锯齿高斯点光源方法(SA-GS)。SA-GS 方法在测试时无需进行训练,可以作为插件应用于任何预训练的高斯点光源场,显著提高场的抗锯齿性能。核心技术是在测试时对每个高斯应用二维自适应尺度滤波器,有效匹配高斯尺度,从而使高斯原始分布在不同测试频率下保持一致。与 Mip-Splatting 相比,SA-GS 在各种设置和有界 / 无界场景的广泛实验中表现相当或更好。
Mar, 2024
我们提出了一种新颖的实时去模糊框架,利用小型多层感知机(MLP)操纵每个 3D 高斯的协方差来建模场景的模糊程度,从模糊的图像中重构出细节清晰的图像,实现实时渲染。
Jan, 2024
我们提出了一种方法,可以从 3D 高斯散点图中精确且非常快速地提取网格。该方法使用高斯散点图进行实际渲染,相较于 NeRFs 具有更快的训练速度。我们首先引入了一个鼓励高斯散点图与场景表面对齐的正则项,然后利用此对齐性通过 Poisson 重建方法从高斯散点图中提取网格,该方法快速、可扩展且能保留细节信息,与通常用于从神经隐式函数中提取网格的 Marching Cubes 算法形成对比。最后,我们引入了可选的优化策略,通过高斯散点图渲染将高斯散点图与网格表面绑定,在传统软件中通过操纵网格而非高斯散点图本身实现了易于编辑、雕刻、绑定、动画制作、合成和调光。与基于神经隐式函数的最先进方法相比,我们的方法可在几分钟内获取逼真渲染所需的可编辑网格,而不是使用数小时。同时,我们的方法提供更好的渲染质量。
Nov, 2023
使用一组高斯椭球来模拟场景,从而实现高效渲染,3D 高斯喷涂表示法具有快速渲染、动态重建、几何编辑和物理模拟等优点。本文通过对最近的 3D 高斯喷涂方法进行文献综述,提供了一个 3D 高斯喷涂方法的分类,包括 3D 重建、3D 编辑和其他功能应用,以及传统的基于点的渲染方法和 3D 高斯喷涂的渲染公式,旨在帮助初学者快速了解这一领域并为经验丰富的研究者提供全面的概述,以推动 3D 高斯喷涂表示法的未来发展。
Mar, 2024
通过优化 3D 高斯喷涂技术,我们提出了 EfficientGS 方法,针对高分辨率和大规模场景,通过选择性策略和剪枝机制,将模型大小减小为传统 3D 高斯喷涂的十分之一,同时保持高渲染保真度。
Apr, 2024
通过优化 3D 高斯飞溅表示法,将高保真度场景重建应用于稀疏图像集合的新视角合成,并通过压缩的 3D 高斯飞溅表示法,在显著降低内存消耗和提高渲染效率的基础上,实现了对方向性颜色和高斯参数进行压缩。在多个数据集上进行广泛实验,证明了该方法的鲁棒性和渲染速度。
Nov, 2023
本文介绍了一种利用高斯表示三维生成对抗网络(3D GANs)的生成器架构,通过引入分层多尺度高斯表示有效地规范了生成高斯分布的位置和尺度,实现了显著更快的渲染速度,并具备可比较的三维生成能力。
Jun, 2024